1. BAB X
PENGOLAHAN DAN ANALISIS DATA
A. Pengantar
● Data yang diperoleh dari sampel melalui instrumen yang
dipilih akan digunakan untuk menjawab pertanyaan penelitian
atau menguji hipotesis. Oleh sebab itu data perlu diolah dan
dianalisis agar mempunyai makna guna pemecahan masalah.
● Ada dua jenis data hasil pengukuran, yakni data kuantitatif
dan data kualitatif.
● Data kualitatif bisa disusun dan langsung ditafsirkan untuk
menyusun kesimpulan penelitian.
● Caranya melalui kategorisasi data kualitatif berdasarkan
masalah dan tujuan penelitian. Dalam hal ini peneliti tidak
perlu melakukan pengolahan melalui perhitungan matematis
sebab data telah memiliki makna apa adanya.
2. ● Berbeda halnya dengan data kuantitatif yang sifatnya numerikal.
Maknanya belum menggambarkan apa adanya sebelum dilakukan
pengolahan dan analisis lebih lanjut.
● Salah satu cara untuk mengolah dan menganalisis data kuantitatif
adalah statistika.
● Penggunaan statistika dalam penelitian khususnya mengolah
dan menganalisis data dibedakan dua macam statistika, yakni
statistika deskriptif dan statistika inferensial.
● Statistika deskriptif digunakan untuk mendeskripsikan variabel
penelitian yang diperoleh melalui hasil-hasil pengukuran.
● Statistika inferensial digunakan untuk menguji hipotesis dan
membuat generalisasi.
● Teknik generalisasi yang biasanya digunakan untuk
mendeskripsikan hasil penelitian antara persen, kuartil, ranking
kecenderungan memusat (rata-rata, median, modus), variasi,
simpangan baku, visualisasi data seperti bagan, tabel, grafik, dan
lain-lain.
3. ● Pemakaian teknik tersebut tergantung pada data hasil pengukuran.
● Bila data hasil pengukuran dalam bentuk data nominal atau
kategori, digunakan teknik persen, kuartil, modus, median
ranking.
● Nilai rata-rata, variansi, simpangan baku, digunakan bila datanya
bersifat interval atau rasio.
● Kuesioner, pada umumnya menghasilkan data nominal dan
ordinal, sehingga bisa menggunakan teknik persen, ranking,
modus, dan proporsi lainya seperti kuartil.
● Tes dapat menghasilkan data interval sehingga bisa dihitung nilai
rata-rata, variansi, dan simpangan baku.
● Visualisasi data, baik data nominal ordinal maupun data interval
dan data rasio dapat dilukiskan melalui grafik, tabel, dan lain-lain.
4. ● Temuan penelitian terutama deskripsi variabel penelitian yang
diperoleh melalui instrumen tertentu umumnya dilukiskan atau
dijelaskan melalui statistik deskriptif.
● Statistik deskriptif diperlukan untuk analisis data lebih lanjut
melalui statistik analitik. Oleh sebab itu penggunaan statistik
deskriptif mutlak diperlukan dalam penelitian kuantitatif.
● Statistik inferensial merupakan kelanjutan dari statistik
deskriptif, digunakan untuk pengujian hipotesis dan
persyaratan-persyaratannya serta untuk keperluan generalisasi
hasil penelitian.
● Analisis data hasil penelitian seperti membandingkan variabel,
menghubungkan dua variabel atau lebih, mencari pengaruh
variabel satu terhadap variabel satu terhadap variabel lainnya,
efektivitas suatu variabel, interaksi dari beberapa variabel,
memerlukan statistik inferensial.
5. ● Beberapa teknik statistik inferensial yang sering digunakan
antara lain, khi-kuadrat, uji perbedaaan dua rata-rata, korelasi,
analisis variansi, regrasi, analisis faktor, dan lain-lain.
● Uji perbedaan dua rata-rata atau uji t, digunakan untuk melihat
adanya tidaknya perbedaan yang berarti dari dua hasil pengukuran
suatu variabel atau dari dua variabel yang diteliti.
● Korelasi digunakan untuk melihat hubungan dari dua hasil
pengukuran atau dua variabel yang diteliti. Derajat korelasi
dinyatakan dalam angka koefisien korelasi yang bergerak antara
-1,0 sampai +1,0.
● Khi-kuadrat digunakan untuk melihat perbedaan frekuensi
jawaban hasil pengamatan dengan frekuensi jawaban yang
diharapkan (teoritik).
● Analisis variansi digunakan untuk melihat perbedaan dua variabel
atau lebih dan pengaruh variabel yang satu terhadap variabel
lainnya.
6. ● Regresi digunakan untuk melihat atau memperkirakan variabel
yang satu atas variabel yang lainnya, seperti sumbangan variabel,
pengaruh variabel, hubungan sebab akibat.
● Analisis faktor digunakan untuk melihat hubungan berbagai
faktor dan faktor yang paling kuat pengaruhnya terhadap suatu
variabel tertentu.
● Dalam analisis data dengan menggunakan teknik statistika, yang
penting bukan statistikanya, tetapi makna yang terkandung
didalamnya, sebab statistika sekedar alat. Misalnya, bila diketahui
simpangan baku 7,0 atau ada korelasi 0,80 peneliti tidak berhenti
sampai di situ.
7. ● Yang lebih penting apa makna simpangan baku sebesar 7,0 dari
data tersebut, dan apa makna hubungan variabel penelitian
sebesar 0,80. Hal ini perlu dinyatakan agar peneliti tidak terjebak
dengan penggunaan statistika sehingga melupakan hakikat dan
makna penelitian itu sendiri.
● Statistika jangan dijadikan tujuan tetapi alat untuk mencapai
tujuan penelitian dan menarik kesimpulan penelitian.
8. B. Pengolahan Data
● Sebelum dilakukan analisis data untuk keperluan pendeskripsian
variabel maupun untuk menguji hipotesis, terlebih dahulu harus
dilakukan pengolahan data.
● Pengolahan data bertujuan mengubah data mentah dari hasil
pengukuran menjadi data yang lebih halus sehingga
memberikan arah untuk pengkajian lebih lanjut. Upaya yang
dilakukan antara lain:
1. Pemeriksaan hasil pengukuran terlebih lagi pengukuran
melalui tes sesuai dengan kunci jawabannya sampai
kepada skoring.
2. Tabulasi data, tabulasi skor hasil pengukuran melalui
tabel-tabel distribusi frekuensi skor untuk tes dan frekuensi
jawaban kuesioner yang menghasilkan data nominal.
9. 3. Melakukan kajian terhadap tabel distribusi sesuai dengan
kepentingan penelitian, dan jenis data yang diperoleh.
● Dari kajian tersebut diharapkan dapat ditemukan besaran-
besaran variabel yang diteliti. Misalnya proporsi dalam bentuk
persen jawaban atau dalam bentuk nilai/skor kecenderungan
memusat, ukuran keragaman dan lain-lain.
● Besaran-besaran ini diperlukan untuk menghasilkan data hasil
penemuan dan interpretasinya. Kajian data ini menggunakan
statistik deskriptif.
10. C. Penggunaan Statistika
● Penggunaan statistika dalam pengolahan data biasanya
berkisar pada teknik-teknik statistika, antara lain; sebaran
frekuensi, ukuran memusat, ukuran keragaman, skor baku,
kolerasi, khi-kuadrat, analisa variansi, regresi.
(Nana Sudjana dan Ibrahim, 2001).
11. 1. Contoh Sebaran Frekuensi
● Skala data nominal menghasilkan data dalam bentuk kategori
jawaban yang bisa dihitung jumlahnya dan dilukiskan dalam
bentuk tabel frekuensi jawaban.
● Sekedar contoh dapat dilihat dalam tabel di bawah ini.
Tabel Identitas Responden
Tingkat pendidikan f % R
a. Tidak tamat SD
b. Tamat SD
c. Tamat SMTP
d. Tamat SMTA
24
36
70
70
12.00
18.00
35.00
35.00
4,0
3,0
1,5
1,5
12. ● Tabel frekuensi di atas adalah tabel frekuensi jawaban responden
mengenai tingkat pendidikannya. f = menunjukkan jumlah
jawaban dari responden yang terdiri dari 200 orang, % adalah
persentase jawaban dihitung dari jumlah responden diperoleh
melalui perhitungan
R adalah rangking atau nomor urut frekuensi jawaban dimulai
dari frekuensi terbesar menuju ke frekuensi terkecil.
f
n
X 100.
13. ● Dari tabel di atas peneliti dapat membuat tafsiran bagaimana
keadaan responden dilihat dari tingkat pendidikan yang
dimilikinya. Penampilan data di atas dapat juga divisualisasikan
dalam bentuk grafik seperti berikut.
f 70
60
50
40
30
20
10
Tidak
Tamat
SD
Tamat
SD
Tamat
SMTP
Tamat
SMTA
Tingkat pendidikan
14. 2. Contoh Visualisasi data dalam grafik
● Ada dua grafik yang sering digunakan, yakni grafik histogram
dan poligon. Histogram adalah grafik batang, dan poligon
adalah grafik garis. Perhatikan gambar di bawah ini.
Gambar Grafik Histogram dan Poligon
frekuensi
25
20
15
10
5
53 68
58 63 73
15. 3. Ukuran Kecenderungan Memusat
● Ada tiga kecenderungan memusat yang sering digunakan, yakni
nilai rata-rata (mean), median atau titik tengah dan modus.
● Mean diperoleh dengan menjumlahkan seluruh skor dibagi
dengan banyaknya subyek.
● Median adalah skor yang membatasi 50% berada di atasnya dan
50% lagi berada di bawahnya.
● Modus adalah skor yang paling banyak diperoleh subyek.
● Nilai rata-rata (mean) diberi notasi x dihitung dengan
menggunakan rumus.
1
n
x =
n
∑
i = 1
fixi
fi = frekuensi xi n = banyaknya subjek
Untuk data yang digolongkan x1 adalah titik tengah.
16. Dalam contoh skor yang ada pada tabel di atas dapat dihitung nilai
rata-ratanya adalah sebagai berikut:
x =
1
50
(2 x 53 + 11 x 58 + 22 x 63 + 12 x 68 + 3 x 73)
= 63,30.
17. ● Median diberi notasi x adalah titik tengah dari data yang telah
diurutkan sehingga membatasi setengahnya berada dibawahnya
dan setengahnya lagi berada di atasnya.
Contoh: 5,5,6,7,7,8,8,8,9 mediannya adalah 7
4,5,5,6,7,8,8,9,9,9 mediannya adalah
● Modus adalah skor atau nilai yang mempunyai frekuensi
terbanyak. Notasi modus adalah x . Modus merupakan
kecenderungan yang paling kasar.
● Contoh: 4,5,6,6,6,6,7,7,8,9. Modusnya adalah 6 sebab nilai
tersebut ada empat kali, atau empat subjek.
● Bila kumpulan nilainya sebagai berikut: 4,5,6,7,8 modusnya
tidak ada.
● Bila nilainya sebagai berikut: 4,5,5,6,7,7,8 modusnya ada 2 yakni
5 dan 7.
~
7 + 8
2
= 7,5
^
18. ● Kumpulan nilai yang mempunyai 2 modus disebut bimodal, dan
kalau mempunyai lebih dari 2 modus disebut multimodal.
Untuk data yang digolongkan dapat dihitung dengan rumus:
fm – fb
(fm – fb) + (fm – fa)
x = L1 + i
^
fm = frekuensi modus artinya frekuensi rentangan yang paling
banyak.
fb = frekuensi pada rentangan skor yang nilainya berada satu
tingkat di bawah rentangan frekuensi modus.
fa = frekuensi pada rentangan skor yang nilainya berada satu
tingkat di atas rentangan frekuensi modus.
i = besarnya kelas interval
Li = batas bawah kelas modus
20. 4. Pengujian Hipotesis
● Salah satu bagian penting dari statistik inferensial adalah
pengujian hipotesis. Hipotesis yang diuji adalah hipotesis nol
diberi notasi Ho yakni pernyataan yang menunjukkan
kesamaan atau tidak berbeda. Ho : p = q
● Sebagai lawan dari hipotesis nol adalah hipotesis alternatif
atau hipotesis kerja diberi notasi H1, yang menunjukkan
perbedaan atau tidak sama misalnya: H1 : p ≠ q atau H1 : p > q
atau p < q.
● Prosedur yang memungkinkan peneliti menerima atau menolak
hipotesis nol, atau menentukan apakah data sampel berbeda
nyata dari hasil yang diharapkan disebut pengujian hipotesis.
Jika hipotesis nol ditolak artinya hipotesis alternatif diterima,
sebaliknya jika hipotesis nol diterima berarti hipotesis
alternatif ditolak.
21. ● Penerimaan atau penolakan hipotesis nol melalui statistik
pengujian t, yaitu satu variabel acak yang nilainya bergantung
kepada data sampel. Ruang sampel t dibagi dua bagian yaitu
daerah penerimaan dan daerah penolakan atau daeraah kritis.
Jika nilai statistik sampel t termasuk daerah penolakan, artinya
menolak hipotesis nol, dan bila nilai t statistik sampel berada
pada daerah penerimaan artinya menerima hipotesis nol.
22. 1. Pengujian Distribusi Normal
● Distribusi normal sebagai dasar pengujian dilukiskan sebagai
berikut:
● Luas daerah yang diarsir seluruhnya adalah 0,05 dan
bilangan ini (0,05) disebut taraf nyata (∞) daripada pengujian.
● Kriterianya adalah:
1. Tolak Ho pada taraf nyata 0,05 bila nilai z terletak di luar
selang (-1.96 + 1,96) yaitu bila z > 1,96 atau z < -1,96.
2. Terima Ho pada taraf nyata 0,05 bila nilai z terletak di dalam
selang (-1.96 + 1,96) .
0,95
daerah penerimaan
0
daerah kritis
(penolakan)
daerah kritis
(penolakan)
z = - 1,96 z = + 1,96
23. ● Taraf nyata lainnya biasa dipakai 0,01 dengan selang (- 2,58 +
2,58).
0,99
penerimaan
0
penolakan
z = - 2,58 z = 2,58
penolakan
● Ada dua macam pengujian yaitu pengujian dua arah atau dua
ekor dan pengujian satu arah atau satu ekor. Pengujian mana
yang digunakan bergantung kepada hipotesis alternatif. Jika H1
dinyatakan p ≠ q maka digunakan pengujian dua arah, namun
bila H1 : p > q maka gunakan pengujian satu arah.
24. ● Untuk pengujian dua arah:
0,95
daerah
penerimaan
0
daerah
penolakan
- 1,96 196
daerah
penolakan
α = p(z > 1,96) = 0,05
25. ● Untuk pengujian satu arah
daerah penerimaan
daerah penerimaan
daerah
penolakan
daerah
penolakan
0 1,645 - 1,645 0
α = p(z > - 1,645) = 0,05 α = p(z < - 1,645) = 0,05
Menentukan titik kritis pengujian distribusi normal gunakan
tabel distribusi normal z.
26. 2. Pengujian dengan sampel besar
Untuk pengujian sampel besar dengan populasi tak terhingga
digunakan nilai rata-rata dan variansi.
● Pengujian untuk rata-rata
Misalkan dari 100 orang guru sebagai sampel diperoleh
rata-rata kenaikan tingkatnya adalah setelah 60 bulan dengan
simpangan baku 5 bulan. Menurut ketentuan kepegawaian
kenaikan tingkat guru setelah punya pengalaman kerja 48
bulan. Benarkah peraturan atau ketentuan itu?
H0 = 48 dan H1 ≠ 48. Kita ambil α = 0,05.
z = 60 – 48
5
= 2,80. Karena z > 1,96 maka H0 ditolak dan H1 diterima.
Artinya kenaikan pangkat guru benar-benar tidak 48 bulan.
27. ● Pengujian proporsi
Misalkan: Sebuah Lembaga Bimbingan tes mengatakan
bahwa 90% siswa yang ikut bimbingan tes di lembaganya
berhasil diterima di SMPTN. Dari 200 peserta bimbingan tes
ternyata yang lulus SMPTN ada 160 siswa. Benarkah
pernyataan lembaga tersebut?
n = 200 x = 160. Kita uji pada taraf nyata 0,05
H0 : p = 0,90 H1 : p < 0,90. (uji satu skor)
160 – 200 x 0,90
z =
200 x 0,90 x 0,10
= - 4,73
Karena z < -1,645 maka H0 ditolak dan H1 diterima. Artinya
pernyataan lembaga tak benar.
28. ● Pengujian selisih dua rata-rata
Misalkan dua kelas yang paralel masing-masing terdiri dari
50 orang dan 60 orang siswa. Nilai rata-rata hasil ujian Bahasa
Inggris kelas pertama adalah 71 dengan simpangan baku 7 dan
kelas berikutnya adalah 74 dengan simpangan bakunya 8.
Apakah terdapat perbedaan yang nyata dari kedua kelas tersebut?
H0 : x1 = x2 H1 : x1 ≠ x2 Pengujian dengan 0,05
x1 – x2 71 - 74
z = =
s1² s2² 49 64
n1 n2 50 60
= - 2,10
Ternyata z = lebih kecil daripada -1,96 sehingga tolak H0 atau
terima H1. Artinya terdapat perbedaan yang nyata dari hasil ujian
kedua kelas tersebut.
+ +
29. ● Pengujian selisih dua proporsi
Misalkan ada dua kelas siswa paralel masing-masing 100 orang.
Kelas pertama diberikan pengajaran dengan CBSA, kelas kedua
tanpa CBSA. Setelah diuji dengan tes yang sama dengan CBSA
lulus dengan nilai baik ada 70 orang siswa sedangkan dari kelas
tanpa CBSA lulus 60 orang. Apakah CBSA efektif sebagai
pendekatan mengajar?
Misalkan kelas A dengan menggunakan CBSA adalah p1 dan
kelas B tanpa CBSA adalah p2
H0 : p1 = p2
H1 : p1 ≠ p2
30. ● Pengujian dengan taraf nyata 0,05
70 + 60
200
0,70 – 0,60
0,65 x 0,35 ( + )
= 1,492
p = = 0,65 q = 1 – 0,65 = 0,35
z =
1
100
1
100
Harga z ternyata lebih kecil dari 1,645 (uji satu ekor) pada taraf
0,05. Dengan demikian terima H0 atau tolak H1. Artinya CBSA
tidak efektif, perbedaan hanya faktor kebetulan.
31. 3. Pengujian dengan sampel kecil
Pengujian sampel besar biasanya untuk n lebih banyak dari 30.
Sedangkan untuk n kurang dari 30 termasuk sampel kecil.
● Pengujian rata-rata (uji-t)
Misalkan akan menguji rata-rata prestasi Bahasa Inggris,
apakah skor rata-rata 60 dari Mahasiswa Universitas
Wiraswasta berbeda pada taraf nyata 0,05. Untuk itu diambil
10 orang mahasiswa dari populasi di Universitas tersebut, dan
menghasilkan nilai rata-ratanya adalah 63,5 dengan simpangan
baku 4,8.
32. H0 : x = 60
H1 : x ≠ 60 dengan α = 0,05
Derajat bebas = n – 1 = 9
Dalam tabel distribusi t diperoleh nilai tabel untuk α = 0,05
adalah 2,262 (dua arah).
x – 60
s
63,5 – 60
4,8
= 2,187
Nilai t = 2,187 < 2,262 sehinga H0 diterima H1 ditolak. Artinya
prestasi mahasiswa tersebut benar 60.
t = n - 1
9 . ( )
33. ● Pengujian selisih dua rata-rata (uji-t)
Misalkan: Akan menguji prestasi siswa Jurusan A1dan A2
salah satu SMA di Banjarmasin dalam prestasi belajar
Bahasa Indonesia. Sampel diambil 15 siswa A1 dan 10 orang A2
ternyata diperoleh nilai rata-rata Jurusan A1 75 dengan simpangan
baku 5, dan jurusan A2 diperoleh nilai rata-ratanya dengan 70
dengan simpangan baku 4.
35. Nilai t tabel untuk α = 0,05 dengan derajat bebas 23 adalah
2,069. Dengan demikian t hitung lebih kecil daripada t tabel
atau 0,80 < 2,069. Berarti H0 diterima dan H1 ditolak.
Kesimpulan tidak ada perbedaan prestasi Bahasa Indonesia
antara Jurusan A1 dengan A2.
Uji t lainnya dengan menggunakan salah baku perbedaan dua
rata-rata (S)
∑ x1² + ∑ x2² 1 1
N1 + n2 -2 n1 n2
x1² = jumlah simpangan yang dikuadratkan dari kelompok satu
x2² = jumlah simpangan yang dikuadratkan dari kelompok dua
x = selisih skor dengan rata-ratanya.
x1 – x2
S
S = ( ) ( + )
t =
36. 4. Pengujian Khi-Kuadrat
● Uji ini digunakan apabila peneliti ingin mengetahui ada tidaknya
perbedaan proporsi subjek, objek, kejadian, dan lain-lain.
Oleh karenanya dalam khi-kuadrat datanya bersifat nominal atau
kategorikal bukan interval.
● Misalkan 300 orang mahasiswa diminta pendapatnya mengenai;
kurikulum baru. Ternyata 160 mahasiswa setuju dan 140
mahasiswa lagi tidak setuju dengan kurikulum baru. Pertanyaan
yang akan diuji adalah; Apakah terdapat perbedaan jawaban
yang signifikan terhadap adanya kurikulum baru? Dalam
khi-kuadrat ada dua hal yang dibandingkan yakni frekuensi
pengamatan dan frekuensi teoritik atau yang diharapkan.
37. ● Rumus yang dipakai adalah :
(fo – fe)²
fe
- X² adalah nilai khi-kuadrat
- fo adalah frekuensi hasil pengamatan
- fe adalah frekuensi teoritik atau ekspektasi/harapan
● Dalam contoh di atas fe adalah = 150
(160 – 150)² (140 – 150)²
150 150
= 1,33
X² = ∑ [ ]
300
2
sehingga X² = +
38. ● Nilai tersebut dibandingkan dengan nilai khi-kuadrat tabel
pada taraf nyata tertentu dan dengan derajat bebas tertentu.
Misalnya pada taraf nyata 0,05 untuk derajat bebas (2-1) adalah
3,84. Ternyata X2 = 1,33 < 3,84. Ini berarti tidak terdapat
perbedaan jawaban terhadap kurikulum baru. Artinya yang
menyatakan setuju dan tidak setuju sama.
39. D. Interpretasi Data
● Contoh Tabulasi
Hasil Penilaian Warga Kota Banjarmasin Terhadap
Kebersihan Kotanya
No Penilaian f %
1
2
3
4
5
Bersih
Cukup
Kotor
Tak dapat mengatakan
Tak bersedia menjawab
164
324
1.052
39
21
10,25
20,25
65,75
2,44
1,31
Jumlah 1.600 100,00
● Memperhatikan tabel di atas, dengan sekali baca saja kita
akan mengetahui bahwa warga kota Banjarmasin cenderung
memberikan penilaian kotor kepada kotanya.
40. ● Ada sejumlah petunjuk dalam memberikan interpretasi agar
kesimpulan-kesimpulan penting mudah ditangkap oleh pembaca:
1. Menyerahkan interpretasi tabel seluruhnya kepada pembaca,
tanpa penjelasan apapun.
2. Peneliti memberikan interpretasi. Dalam hal ini perlu diingat,
angka-angka yang penting saja sebaiknya disoroti oleh peneliti
agar pembaca dengan mudah dapat mengikuti argumentasinya.
3. Perlu dihindari, menerangkan semua isi tabel dalam teks.
Metode tersebut sangat membosankan dan memberi kesan
seakan-akan peneliti sendiri belum menguasai bahan itu
sepenuhnya.
41. 4. Beberapa prinsip perlu diingat agar suatu tabel dapat diurai
dengan baik:
a. Amati data yang tercantum dalam kolom. Jika tabelnya
tabel silang, maka perlu diteliti hubungan antara data
di kolom yang satu dengan lainnya. Misalnya kolom data
tentang pendidikan dan pengangguran.
b. Peneliti perlu mencari angka-angka yang menyimpang
dari pola umum atau dari hipotesis semula dan berusaha
menerangkan mengapa hal itu terjadi.
c. Hasil setiap tabel, hanya angka-angka yang penting saja
yang disoroti. Dengan kata lain, angka-angka dalam tabel
yang penting diuraikan secara singkat. Hasil setiap tabel,
nantinya pada bagian pembahasan hasil penelitian akan
dihubungkan dengan hasil penelitian lain dan teori yang ada.
42. ● Contoh pengujian khi-kuadrat: Mengenai kurikulum baru
X² hit = 1,33
Nilai tersebut dibandingkan dengan nilai khi-kuadrat tabel,
misalnya pada taraf nyata 0,05 untuk derajat bebas (2 – 1)
adalah 3,84. Ternyata X² hit = 1,33 < 3,84. Ini berarti tidak
terdapat perbedaan jawaban terhadap kurikulum baru. Artinya,
yang menyatakan setuju dan tidak setuju sama saja.
43. E. Pembahasan Hasil Penelitian
● Tujuan pembahasan hasil penelitian adalah:
1. Menjawab masalah penelitian atau menunjukkan bagaimana
tujuan penelitian itu dicapai.
2. Menafsir temuan-temuan penelitian
3. Mengintegrasikan, mendiskusikan, atau menyandingkan
temuan penelitian ke dalam hasil penelitian terdahulu dan
teori yang ada.
4. Memodifikasi teori yang ada atau menyusun teori baru
5. Menjelaskan implikasi-implikasi dari hasil penelitian
● Dalam upaya menjawab masalah penelitian atau tujuan
penelitian, harus disimpulkan secara eksplisit hasil-hasil yang
diperoleh. Sementara itu, penafsiran terhadap temuan penelitian
dilakukan dengan menggunakan logika dan teori-teori yang ada.